一种激惹情绪的自适应识别预警方法

技术特征：
1.一种激惹情绪的自适应识别预警方法，其特征在于，该方法包括如下步骤：步骤1,构建决策树公共模型，向其中输入判别特征进行训练，从训练好的决策树公共模型中提取产生式规则集公共模型；步骤2，基于具体使用者，对所述产生式规则集公共模型做适应性调优测试获得使用者的个性化定制模型；步骤3，通过将获得的使用者情绪数据输入到个性化定制模型来判断使用者的情绪状态，当使用者为激惹状态时发出预警信息。2.根据权利要求1所述的激惹情绪的自适应识别预警方法，其特征在于，在步骤1中，获得所述判别特征的过程包括如下子步骤：子步骤1，采集数据集，所述数据集包括被采集者在采集时间段内的心动周期序列、呼吸频率、体温、血压，还包括被采集者的睡眠数据和运动数据；优选地，所述采集时间段为2～10分钟；子步骤2：将时间窗内心动周期序列输入到拉盖尔回归模型获取交感神经指标序列(sai序列)s
sai
和副交感神经指标序列(pai序列)s
pai
，进而得到该时间窗内交感神指标序列均值和标准差σ(s
sai
)；副交感神经指标序列的均值和标准差σ(s
pai
)；子步骤3：计算子步骤2中sai与pai序列均值的比值和标准差的加权和e
sp
＝λ1σ(s
sai
) λ2σ(s
pai
)，将w
sp
作为唤醒值，e
sp
作为情绪能量值；子步骤4，对所述呼吸频率、体温、血压、睡眠数据和运动数据做数据预处理，并将预处理后的数据与唤醒值、情绪能量值连接组合得到判别特征集。3.根据权利要求2所述的激惹情绪的自适应识别预警方法，其特征在于，在步骤1中，获得所述判别特征后继续执行如下子步骤：子步骤5，将判别特征集输入决策树公共模型，选择cart分类树算法进行决策树学习，遍历决策树从根节点到叶节点的每一条路径，生成if-then产生式规则集公共模型r＝{r1,r2,...,r
n
}；if-then产生式规则集公共模型中的规则r
i
表示为其中f
ij
表示规则r
i
的第j个需要同时满足的判别式，t
ij
表示对应的阈值，表示预测的标签。4.根据权利要求2所述的激惹情绪的自适应识别预警方法，其特征在于，在子步骤1中，所述睡眠数据包括最近一次睡觉至采集开始的时间间隔和最近一次睡觉的生理特征，所述生理特征包括：深睡比例、浅睡比例、快速眼动比例、清醒次数、开始睡觉的时段分类；所述运动数据包括采集开始前的24小时内的运动步数和运动步频。5.根据权利要求2所述的激惹情绪的自适应识别预警方法，其特征在于，在所述子步骤1中，每一组数据集都对应有一个情绪标签，该情绪标签中记载有被采集者在采集时间段内的情绪状况，所述情绪状况包括正常、轻度激惹和重度激惹；优选地，子步骤1中采集多组数据集，至少包括100组情绪标签为正常的数据集，至少包括100组情绪标签为轻度激惹的数据集，至少包括100组情绪标签为重度激惹的数据集。
6.根据权利要求2所述的激惹情绪的自适应识别预警方法，其特征在于，在子步骤4中，所述预处理包括，去除采集到的数据中每一类标签对应数据的离群点，处理方法为，从预先设置的群体样本中提取各个特征的均值和标准差，再把每个特征都做z分数标准化处理。7.根据权利要求1所述的激惹情绪的自适应识别预警方法，其特征在于，在步骤2中，将步骤1中获得的产生式规则集公共模型部署于可穿戴设备中，通过所述可穿戴设备探测使用者的心动周期序列、呼吸频率、体温、血压、睡眠数据和运动数据；优选地，在步骤2中，所述适应性调优测试包括如下子步骤：子步骤a，在使用者使用所述可穿戴设备时，根据可穿戴设备采集到的数据生成判别特征集，将判别特征集与产生式规则集公共模型进行匹配，使用匹配到的r
i
预测使用者的激惹情绪标签使用者对情绪标签的预测结果进行评估，获得预测情绪标签的准确度、当时自评的情绪标签l
r
以及可信度c；子步骤b，当使用者反馈情绪标签预测结果不准确时，搜索对应时间的判别特征集与产生式规则集公共模型匹配到的规则r
i
，根据预测与自评标签，按照可信度微调r
i
中if部分的判别阈值t
ij
，表示为：其中，t
ij新
表示更新后的阈值，t
ij旧
表示更新前的阈值；和分别表示r
i
中第j条规则的实际判别阈值和预测的判别阈值。8.根据权利要求1所述的激惹情绪的自适应识别预警方法，其特征在于，在步骤3中，所述使用者情绪数据包括心动周期序列、呼吸频率、体温、血压、睡眠数据和运动数据，经过数据预处理后得到判别特征集；将判别特征集与个性化定制模型的r中所有规则进行匹配得到规则r
i
，通过r
i
预测当前的情绪标签并反馈给使用者。

技术总结
本发明公开了一种激惹情绪的自适应识别预警方法，该方法中，首先采集表征激惹情绪的生理参数，如心动周期序列、呼吸频率、体温、血压、睡眠和运动数据，以及情绪标签，包括正常、轻度激惹和重度激惹，构建决策树公共模型进行分类，进一步从训练好的模型中提取用于分类的公共产生式规则集模型。其次，根据具体使用者的具体生理参数来逐步调整优化产生式规则集中规则的阈值，从而获得针对该使用者的准确的个性化定制模型，在此基础上，即可通过将获得的使用者情绪数据输入到个性化定制模型来判断使用者的情绪状态。断使用者的情绪状态。断使用者的情绪状态。


技术研发人员：刘正奎 李风华 晏阳 吴坎坎
受保护的技术使用者：中国科学院心理研究所
技术研发日：2022.01.06
技术公布日：2022/11/10